r_square_value_in_logistic_regression
Differences
This shows you the differences between two versions of the page.
| Next revision | Previous revision | ||
| r_square_value_in_logistic_regression [2023/12/12 12:18] – created hkimscil | r_square_value_in_logistic_regression [2023/12/12 13:24] (current) – hkimscil | ||
|---|---|---|---|
| Line 1: | Line 1: | ||
| ====== R square value in logistic regression ====== | ====== R square value in logistic regression ====== | ||
| Logistic regression에서는 linear regression 에서 사용하는 R^2 값을 구할 수는 없다. 따라서 이에 대응하는 개념을 적용하는 여러가지 방법이 개발되어 사용되고 있는데 그 중에서 가장 많이 쓰이는 방법이 McFadden' | Logistic regression에서는 linear regression 에서 사용하는 R^2 값을 구할 수는 없다. 따라서 이에 대응하는 개념을 적용하는 여러가지 방법이 개발되어 사용되고 있는데 그 중에서 가장 많이 쓰이는 방법이 McFadden' | ||
| + | <WRAP box> | ||
| + | [{{ http:// | ||
| + | 참고로 R square value in linear regression의 경우에는 | ||
| + | \begin{align*} | ||
| + | R^2 = & \frac {SS_{regression}} {SS_{total}} \\ | ||
| + | = & \frac {SS_{total} - SS_{residual}} {SS_{total}} \\ | ||
| + | \end{align*} | ||
| + | 과 같이 구한다. 이는 그림에서 보는 것 처럼 모든 개인들의 | ||
| + | * 검정색과 녹색으로 이루어진 오차의 제곱의 합 중에서, 즉 | ||
| + | * = 수평선인 평균으로 개인점수를 예측했을 때 일어나는 오차의 제곱의 합 중에서 | ||
| + | * 독립변인인 X의 정보를 취득함으로 인해서 구하게 된 | ||
| + | * 사선의 정보로 (regression line) 예측했을 때 ($\hat{Y} = a + b \cdot X$) 만회된 오차의 (녹색선 부분) 제곱의 합의 | ||
| + | * 비율을 의미한다. | ||
| + | * 이 사선은 이 비율이 가장 크게 되도록 하는 원리로 구하게 된다. 이 말의 뜻은 | ||
| + | * 만회된 지 못한 나머지 오차의 (residual error) 제곱의 합이 최소값이 되는 선이 선택된다는 뜻이다. | ||
| + | * 따라서 이렇게 R square 값을 구하는 방법을 Least Squared Method라고 한다. | ||
| + | |||
| + | </ | ||
| + | |||
| + | < | ||
| + | library(ISLR) | ||
| + | |||
| + | </ | ||
r_square_value_in_logistic_regression.1702351095.txt.gz · Last modified: 2023/12/12 12:18 by hkimscil